2025年AI+医药生物行业专题报告：应用场景丰富，提质增效显著，资源共享可期

1 AI+医疗概况

政策明确鼓励 AI 在医疗领域的应用。中共中央、国务院发布的《“健康中国 2030”规 划纲要》提出：要全面建立远程医疗应用体系，发展智慧健康医疗便民惠民服务，推进健 康医疗大数据应用。国务院办公厅发布的《关于促进“互联网+医疗健康”发展的意见》指 出：要研发基于人工智能的临床诊疗决策支持系统，支持中医辨证论治智能辅助系统应 用，支持研发医疗健康相关的人工智能技术、医用机器人、大型医疗设备、应急救援医疗 设备、生物三维打印技术和可穿戴设备等。国家卫生健康委等部门发布的《“十四五”全 民健康信息化规划》明确：要推动完善健康医疗大数据、医学人工智能等新一代信息技术 标准体系，支撑在应急救治、远程会诊、远程检查、临床辅助诊断决策、公共卫生服务、 医院管理等方面应用。2024 年 11 月，为贯彻落实党中央、国务院关于开展“人工智能+” 行动的决策部署，推进卫生健康行业“人工智能+”应用创新发展，国家卫健委发布《卫生 健康行业人工智能应用场景参考指引》。在中央政府的号召下，地方政府纷纷出台政策鼓 励 AI 医疗的发展。例如，上海市人民政府办公厅发布了《上海市发展医学人工智能工作 方案（2025—2027 年）》；重庆市人民政府办公厅发布了《重庆市智慧医疗装备产业创新 发展行动计划（2025—2027 年）》。

人工智能在医疗领域具有广阔的应用场景。《卫生健康行业人工智能应用场景参考指 引全景图》提出了人工智能在卫生健康领域的 84 个应用场景，包括医疗服务管理、基层 公卫服务、健康产业发展和医学教学科研四大方向，具体包括：（1）人工智能+医疗服务 管理方向的应用场景包括医疗服务（辅助诊断、辅助决策、手术规划、就医咨询、病历生成等）、医药服务（处方审核、辅助用药等）、中医药管理服务（经络检测、中药审方、名 中医思想传承等）、医保服务（医保审核、核算、保险产品设计等）、医院管理（文书质控 辅助、手术室管理、智能药房等）；（2）人工智能+基层公卫服务方向的应用场景包括健康 管理服务（慢性病管理等）、公共卫生服务（疾病监测、应急管理等）、养老托育服务； （3）人工智能+健康产业发展方向的应用场景包括医用机器人（手术机器人、康复机器 人等）、药物研发（药物发现、临床试验等）、中医药产业（中药材种植、仿生鉴定识别 等）；（4）人工智能+医学教学科研方向的应用场景包括医学教学（仿真实验、患者虚拟 人等）、医学科研（数据分析等）。

AI 医疗市场规模持续增长，头部企业加快布局。人工智能技术的应用有助于提升医疗效率与质量、优化医疗资源分布、降低医疗成本等，符合医疗改革方向。受益于国家政 策支持、计算机技术发展、医疗需求增加、医疗改革深入等，AI 医疗市场有望呈现较快 增长。根据甲子光年智库发布的《中国 AI 医疗产业研究报告》，2023 年中国 AI 医疗行 业规模达到 973 亿元，预计在 2028 年增长至 1598 亿元，2022-2028 年间的年复合增长率 为 10.50%。根据《科创板日报》消息，2025 年 3 月，华为正式组建医疗卫生军团，意味 着华为将智慧健康产业纳入更高级的战略级别。医疗卫生军团将重点构建 AI 辅助诊断解 决方案体系，推动医疗大模型在临床场景的应用。以华为为代表的大型科技企业布局 AI 医疗，反映出 AI 医疗发展前景广阔。

2 AI+医学检验

2.1 AI 赋能医学检验全流程，个性化诊疗、高精准决策等应用可期

医学检验是人工智能技术应用的重要领域，政策积极鼓励“AI+医学检验”。国务院 办公厅 2018 年 4 月发布的《关于促进“互联网+医疗健康”发展的意见》指出，要研发 基于人工智能的临床诊疗决策支持系统，开展智能医学影像识别、病理分型和多学科会 诊以及多种医疗健康场景下的智能语音技术应用，提高医疗服务效率；鼓励医疗联合体 内上级医疗机构借助人工智能等技术手段，面向基层提供远程会诊、远程心电诊断、远程 影像诊断等服务，促进医疗联合体内医疗机构间检查检验结果实时查阅、互认共享。国家 卫健委等三部门 2024 年 11 月发布的《卫生健康行业人工智能应用场景参考指引》明确 了 84 个 AI 医疗应用情景。其中，前 4 个应用场景为医学影像智能辅助诊断、医学影像 数据智能辅助质控、临床专病智能辅助决策、基层全科医生智能辅助决策（为基层全科医 生提供智能诊断推荐等）。

AI 赋能医学检验全流程，个性化诊疗、高精准决策等应用可期。人工智能在检验医 学领域的应用覆盖检验前、检验中、检验后等全流程，具体包括样本处理环节、形态学分 析、临床生化及免疫学分析、临床微生物学分析、检验结果审核及检验报告解读等。检验 前，通过机器学习原理结合就诊者及医生所提供信息、以往相关检验检查结果进行整合 分析，可帮助患者或者医生筛选及推荐合适的检验项目；在样本处理环节，视觉识别、机 器学习等人工智能技术可以赋能标本采集系统、标本传输系统和标本分拣流水线，可以 提高标本管理的效率、准确性、质量水平。在检验过程中，人工智能可赋能标本的形态学 分析、临床生化及免疫学分析、临床微生物学分析以及基因组学、转录组学、蛋白组学、 代谢组学等组学分析；人工智能可用于识别检验异常值，提升检验质量控制水平。检验 后，通过基于图形的智能检验和基于图谱的智能检验，可以实现对检验图形结果的自动 分析和解读；通过程序化规则和深度学习算法，可以实现检验报告的自动审核与智能复 查；借助人工智能技术的医疗决策系统能够高效处理复杂检验数据（如个体在不同时间 节点的多组学数据，来源于不同细胞、组织和器官的多空间尺度数据），建立检验数据与 疾病种类的诊断模型，从而提供精准的疾病诊断与预测、治疗方案选择和预后预测，帮助 医生做出更优决策，该方法已成功应用于癌症、心血管疾病和神经退行性疾病等疾病检 测。此外，人工智能模型可以充分挖掘个体组学档案（涵盖个体在时间和空间维度上的全 方位组学数据，能够提供个体在不同生命阶段的健康状况和疾病风险的全面画像）中的 数据关联，实现组学数据的全面分析并提供个性化的医疗方案。例如，在癌症治疗中，人 工智能可以通过分析患者的基因突变、蛋白质表达等组学数据，推荐最有效的靶向药物 和治疗策略，包括不同阶段的用药剂量。

AI 赋能医学检验的应用案例——华为与瑞金医院发布瑞智病理大模型RuiPath。我 国病理行业存在病理医生数量缺口大、病理医生分布不均、基层医院初诊符合率低等挑 战，而数字化病理是解决问题的关键。2025 年 2 月，瑞金医院携手华为共同发布瑞智病 理大模型 RuiPath。瑞智病理大模型 RuiPath 基于瑞金数字化智慧病理科业务流，融合多 模态数据构建全场景医疗下游任务。在广度上，瑞智病理大模型 RuiPath 覆盖中国每年全 癌种发病人数 90%的常见癌种，以及覆盖垂体神经内分泌肿瘤等罕见病。在深度上，瑞 智病理大模型 RuiPath“学习”病理诊断书籍 300 余本，在病理医生整理的常用问题测试 中回答准确率可达到 90%+。从结果来看，瑞智病理大模型 RuiPath 赋能下，病理诊断效 率明显提高。以 15 张乳腺癌切片诊断为例，在传统显微镜病理诊断下，医生在显微镜下 逐个切片诊断，显微镜阅片需要 40 分钟，PIS 系统手动写病理报告 5 分钟；在使用 RuiPath 交互式病理诊断下，RuiPath 提前识别病灶区域，单切片 AI 诊断时间为秒级，医生从镜 下找病灶转变为互动式审核 AI 诊断结果。未来，“瑞金模式”有望复制全国，解决优质 病理资源分布不均问题，提高行业诊断水平。

2.2 AI 推动决策水平提高、运营管理优化、数据价值挖掘、医检资源共享

AI 提升医学检验决策的效率、精准度。例如，李利毛等通过结合表面增强拉曼光谱 技术和机器学习算法，开发了一种用于结直肠癌早期筛查的血清检测方法。该检测方法 取得了 90.9%的分类准确率、96.5%的敏感度和 99.4%的特异度，曲线下面积为 98.3%， 提高了直肠癌筛查的准确性和效率。又如，金域医学联合广州呼吸健康研究院副院长杨 子峰教授团队等，基于环境数据与机器学习方法，开发出一种全新的呼吸道病毒感染风 险预测模型，揭示了年龄、NO₂ 浓度、气温等关键因素对呼吸道病毒感染风险的影响。 该模型的平均准确率达到 0.76，平均 AUC（曲线下面积）高达 0.9，表现出优异的预测性 能，为临床医生提供了更直观、可信的诊断依据，有望实现对病原体传播趋势和潜在风险 的实时精准评估。 赋能医检公司内部运营管理，提升医检效率及医检质量。王绵生等研究证实，气动 物流传输、自动排样、自动质控、智能监测、自动审核等智慧检验实验室系统的应用，提 高了检验工作效率和质量，为临床诊疗提供了更高效和准确的支持。其中，实施气动物流 传输系统后，样本传送到接收效率提升了 64.9%；样本从接收到上机检测效率提高了 75.6%；通过自动质控 3h 内报告率从 28.68%提高到 38.26%；整体自动审核通过率达到 28.19%；实验室内 TAT 周转时间（turn around time, TAT）从 203 min 减少到 177 min；危 急值通报及时率达到 99.52%；门诊生化免疫的 TAT 中位数由 222min 降至 145min，合格 率从 86.88%提高到 96.32%。

AI 推动医检数据价值挖掘，有望为医学检验公司贡献第二增长曲线。数据是人工智 能技术发展及应用的关键要素。伴随着人工智能技术在医学检验领域的应用不断深入， 医检数据的价值不断被挖掘，推动医检数据产品化、流通规范化、数据资产化，有望为医 学检验公司贡献第二增长曲线。根据前瞻产业研究院发布的《2024-2029 年全球健康医疗 大数据行业发展前景预测与投资战略规划分析报告》，预计到 2028 年，中国健康医疗大数据行业市场规模将近 1700 亿元。从 2024 年下半年开始，越来越多医疗健康数据产品 上架各地数据交易所，并有部分实现了交易。例如，2024 年 9 月以来，金域医学已有“结 核分枝杆菌耐药地图”“宫颈癌筛查大数据分析报告”等多款数据产品完成数据合规审核， 上架广州数据交易所。2024 年 12 月，金域医学与宸汐健康完成乳腺癌检测数据产品场内 交易，完成中国第三方医检行业首款数据产品的场内交易，迈出了医检数据合规交易的 关键一步。又如，2024 年 12 月，“迪安诊断全国宫颈癌筛查阳性率分析数据报告”“迪安 诊断 OCR 医学检验报告识别服务”两款数据产品在杭州数据交易所正式上架，迪安诊断 也迈出了医检数据产品合规交易的重要一步。 AI 助力医检资源共享。以金域医学为例，金域医学率先在国内打造了领先的远程病 理协作网，数字病理服务网点超过 450 个，每年远程会诊服务近 20 万例，其中术中冰冻 协助临床手术决策、疑难会诊超 10 万例，充分解决区域病理资源共享的困境。2024 年 12 月，金域医学正式发布全新的金域医学数智病理系统（KMDP），为病理诊断量身打造“数 字帮手”。全新升级的 KMDP 的区域病理模式现已经可支持多区域、多中心、多院区跨区 域的远程病理诊断、会诊、质控、疑难病理交流等，具备数据安全、同屏阅片、数据分析 等特点，助力病理诊断资源均等可及。

2.3 “AI+医学检验”重点公司梳理

（1）金域医学：数智化转型成效初显，发布首个医检大模型

以“医检 4.0”愿景与规划为引领，扎实推进数字化转型。（1）2020 年，公司率先提 出业务数字化、数字化业务，全面启动数字化转型系列工作，发布“医检 4.0”愿景：以 疾病诊断和健康服务为中心，数据和技术驱动实现医检服务全程智能化、生物医学与新 一代信息技术融合创新、打造开放式创新平台，让医疗与健康服务更精准，便捷，普惠； 公司全面启动“211”工程规划建设（两库一中心一基地，即生物医学样本资源库、医学 检验与病理诊断大数据库、智慧医检与大健康科技创新中心、第三方医检数字化产业应 用示范基地），以此为基础构建智慧医检行业生态。（2）2021 年，公司以“医检 4.0”愿 景与规划为引领，明确以三大价值链（产品管理价值链、服务履约价值链、资产及耗材管 理价值链）为建设路径；公司紧紧围绕业务数字化、数字化业务、平台基础三大方向，启 动 34 个建设项目，包括宏基因临床辅助决策系统“小宏灯”、智慧报告等。（3）2022 年， 与华南理工大学合作建设全国第三方医检领域首家人工智能联合实验室；与华为云共同 举办中国第三方医检行业首个开发者大赛——“域见杯”医检人工智能开发者大赛；打造 出“六智”模式为数字化变革加速。（4）2023 年，公司聚焦降低运营成本、提升服务效 率、改善客户体验等三大目标，以 AI 技术应用为引擎，探索建立专病数据库，积极推进 医检行业大模型研发；公司与腾讯、华为云签署战略合作协议，搭建智慧医检生态。

数智化转型成效初显：发布行业首个医检大模型，发布全新的金域医学数智病理系统（KMDP），多款数据产品上架广州数据交易中心，运营效率提升。（1）发布行业首个 医检大模型。2024 年 8 月，金域医学正式发布第三方医检行业首个医检大模型——域见 医言大模型，并上线智能体应用——“小域医”。域见医言大模型基于金域医学 30 年的 医检专业数据和知识积累，以及 23000 家医疗机构的服务经验，在通用语料基础上注入 了超 20 亿 Token（数据单元）医检语料，经过近两年的开发训练而成。域见医言大模型 可支持整合图像、语音、文本等多模态，基因、蛋白、病理等多组学，以及项目推荐、实 验室检测、报告生成等多场景的信息，实现医学检验服务的全场景智能化，推动检前项目 查询更便捷、检中生产作业更智能、检后报告解读更精准，同时帮助临床医生、检验医师 在多轮交互中作出科学决策。区别于其他行业大模型，域见医言大模型不依赖特定大模 型底座，可适应和融合各类通用多模态大模型、专业领域大模型、医检特定场景的专用模 型与工具，精准度、开放性更好。“小域医”是以域见医言大模型为核心，面向医检全场 景的智能体应用。“小域医”已经具备智能项目推荐、实验室智能检测、智慧报告解读、 辅助疾病诊疗等功能，覆盖了全病种、全生命周期，可大幅缩短医生决策的时间，减轻医 生负担，帮助患者尽快拿到检测结果，取得更及时、更精准的治疗。以 HPV 检测为例， 过去医生只能够收到阳性/阴性的检测报告，而通过小域医，检测报告还会给出不同 HPV 分型在疾病中的阳性率、HPV 检测意义及持续感染等重点问题、前沿筛查技术，并附上 下一步的建议以及文献资料，大幅缩短医生向患者解释结果的时间。2024 年 11 月，金域 医学域见医言大模型算法通过国家网信办备案，意味着该医检大模型服务在合法性、安 全性、合规性方面得到权威认可。（2）发布全新的金域医学数智病理系统（KMDP）。金 域医学数智病理系统（KMDP）是一个集成病理学科干、湿实验为一体的全流程智能化管 理解决方案平台，可为病理科室全流程管理提供 AI 智能辅助、数字病理阅片存储、区域 病理、数据大屏和质控管理等服务，具备操作便捷、安全稳定、决策科学、诊断精准、兼 容性强、可个性化定制功能等优势。其中，AI 辅助宫颈癌筛查模型辅助宫颈癌病理诊断 排阴率大于 70%，阴性预测值大于 99%，大大解放病理医生的双手。（3）多款数据产品 上架广州数据交易中心，并完成国内首款医检数据交易。2024 年 9 月，基于金域医学脱 敏的检测数据，经过数据清洗、统计分析形成的神免疾病相关抗体送检情况及阳性率分 析报告、结核分枝杆菌耐药地图两款数据产品，正式获得广东省数据资产登记凭证，并在 广州数据交易所正式上架，成为第三方医检行业首批实现数据资产登记并挂牌交易的数 据产品，意味着金域医学已打通医检数据要素的流通路径，迈出了医检数据合规交易的 可喜一步。截止目前，根据广州数据交易所官网显示，金域医学已有 11 款数据产品挂牌 广州数据交易所。2024 年 12 月，金域医学与宸汐健康完成乳腺癌检测数据产品场内交 易。这是广州数据交易所首款医学检验数据产品的场内交易，也是中国第三方医检行业 首款数据产品的场内交易，不仅迈出了医检数据合规交易的关键一步，更为今后全国医 检数据的高质量供给、合规高效流通树立了新标杆。（4）数智赋能高效运营方面，宫颈癌 智慧筛查工作站系列产品落地后，该项目生产效率提升 4 倍；血液流式 AI 智能分析系统 应用后，该项目效率提升 90%等。

（2）迪安诊断：搭建面向企业内部、医疗机构、C 端客户的人工智能医检平台

迪安诊断是一家以提供“服务+产品”为核心业务的医学诊断整体化解决方案提供商， 主要业务涉及医学诊断服务、诊断技术研发、诊断产品生产及销售、CRO、司法鉴定、健 康管理等领域。迪安诊断通过自主研发、与华为等企业合作的方式逐渐搭建起人工智能 赋能的医检平台，包括助力公司内部运营的智慧实验室信息化管理系统 irisLIMS、助力 医院临床科研的临床科研大数据平台 X-Med Explorer、助力区域医疗机构资源协同的智 慧区域检验平台 Iris、面向 C 端客户的“迪安医检大模型”等。 智慧实验室信息化管理系统 irisLIMS。智慧实验室信息化管理系统irisLIMS包含病 理系统、微生物系统、IoT 设备智能管理平台、项目智能审核、智能分析系统、OCR 智能录单系统、数字实验室看板等智能化模块。2021 年以来，迪安诊断相继在总部、全国各 地实验室上线 irisLIMS，实验室效能不断提高。例如，智能分析系统 DiFlowAI 采用深度 学习技术，通过对大量临床数据的训练，建立起稳定可靠的细胞分群模型，创建一个无缝 对接现有实验流程、高度个性化的智能分析生态系统。该系统将单个样本分析时间减少 20%，在 2 万余例临床样本中保持 90%以上的分析准确率，其中部分指标精度达 98%。 在实际应用环境中，各分析项指标符合率稳定在 93%以上，有效提升检验结果的一致性 和可比性，增强了临床检验效能。再如，智能审核系统深度融入 AI 算法与大数据分析精 髓，紧密贴合 CLSI AUTO 10、AUTO 15 及 WS/T 616-2018 等行业标准，构建起集“通用 规则、值域规则、差值规则、逻辑规则、关联规则”于一体的综合审核框架。当检验结果 被录入系统后，系统会立即依据实验室预设的规则——从阈值到复杂的质量控制参数， 进行逐一对照，精确到不同项目和样本类型的定制化审核策略。智能审核系统不只是机 械地检查数值是否正确，更能敏锐察觉样本的一致性、复杂性和趋势分析，甚至能够识别 和提示可能的样本处理错误或设备故障。经系统智能审核后的结果，将被自动标记为“已 确认”，静候人工复核。该智能审核系统已经成功覆盖超 400 种专业检验项目，将人工审 核时间缩短了 50%，并有望提高检验的准确率和效率。

临床科研大数据平台——X-Med Explorer。迪安诊断与国内多家头部三甲医院的院 士级专家及学科带头人合作推出临床科研大数据平台——X-Med Explorer。X-MedExplorer 运用大数据和 AI 技术提供专科/专病数据库建设，涵盖患者数据智能采集、多元 化院外随访和全景式数据管理，配备一站式临床科研分析工具，解决了临床科研数据难 题（数据散落在各个系统难以汇集，病历书写不规范，数据标准不统一等），有助力提高 科研效率和诊疗精度，促进研发成果转化落地，帮助医疗机构打造数字化精准诊疗新模 式。X-Med Explorer 已在上海瑞金医院、华中科技大学同济医学院附属协和医院等二十余 家三甲医院落地使用，成功助力安徽医科大学第二附属医院、安徽医科大学第二附属医 院、北京妇产医院等发表多项学术成果。 智慧区域检验平台 Iris。Iris 智慧区域检验平台集成了多个核心板块，包括区域检验 中心智慧管理平台、数智病理平台和质量管理平台。平台采用一体化标准建设数据中心、 交互中心和协同平台，实现了业务的统一标准、交互和数据管理，全面支持了全流程信息 传输、危急值闭环管理、质量数据统一管理和全域数据智能分析。Iris 智慧区域检验平台 支持多中心、多院区应用，满足病理中心从开单、取材到报告的全流程管理。同时支持远 程诊断、会诊和交流等，实现区域内各医疗机构之间资源共享和协同工作，提高服务覆盖 范围和效率。Iris 智慧区域检验平台不仅满足了紧密型医疗集团、县域医共体及单体医疗 机构在数字化检验、病理中心建设中的需求，更是通过区域卫生网络的互联互通，实现了 医疗资源的高效共享。Iris 智慧区域检验平台已在山东省立第三医院、四川友谊医院、荣 昌区检中心等 7 家医疗体/医共体上线使用。

“迪安医检大模型”。2024 年 9 月，迪安诊断与华为云共同发布“迪安医检大模型”。 “迪安医检大模型”依托迪安诊断存量大、增速快、来源广、质量高、专业性强的医疗诊 断数据，基于盘古大模型的先进技术和资深专家团队的专业知识，通过深度整合体检和 检测报告数据，为 C 端用户提供个性化的“健康促进书”。“健康促进书”包括报告总结、 疾病风险分析、就医推荐和干预建议等。针对特定功能医学报告，AI 对话小助手会通过 综合分析、多轮对话和专业解读，提供个性化健康建议。在医检大模型的助力下，出具检 验报告的所需时长由 24 小时缩短至 3-4 小时。

旗下公司医策科技专注于 AI+辅助诊断产品的开发。迪安诊断于2021年成立医策科 技，聚焦 AI+辅助诊断产品的研发、应用，推动病理数据行业标准化建设。目前，医策科 技原研的宫颈细胞病理图像处理软件 PathoInsight-T、Ki67 免疫组化数字病理图像处理软 件相继成功获批二类医疗器械注册证，病理 AI 三类证产品宫颈细胞病理图像辅助诊断软 件已顺利完成临床试验。其中，PathoInsight-T 可提升实验室效能达到 40%以上，已在众 多三甲医院投入使用。2023 年，医策科技人工智能辅助诊断系列产品辅助医生发放诊断 报告近 200 万份，且宫颈细胞病理人工智能筛查解决方案已推广并应用于马来西亚、摩 洛哥、阿联酋和澳大利亚。此外，医策科技主导完成的《宫颈细胞病理图像标准数据库数 据标准体系》经国家药监局人工智能医疗器械创新合作平台审批并正式发布。

3 AI+药物研发

3.1 AI 提升药物研发的成功率、效率，降低药物研发成本

生物医药研发具有技术难度大、研发周期长、资金投入大、不确定性高等特点。药 物研发过程通常包括：（1）4-6 年的药物发现过程，包括约 25 个月的靶点至苗头化合物 阶段、约 25 个月的苗头化合物至先导化合物阶段以及约 10个月的先导化合物优化阶段； （2）1-2 年的临床前候选化合物阶段；（3）6-7 年的临床试验阶段；（4）0.5-2 年的监管 审批阶段。从全球药物研发成功率来看，药物发现阶段、临床前开发阶段、临床试验阶 段、上市申请阶段的成功率分别为 51.00%、69.00%、12.90%、91.00%，全过程的研发成 功率仅为 4.13%。根据 Pharma Intelligence 统计数据，基于 20 家领先生物制药公司的研 究数据，新药从开始临床试验到获批所需的时间，从 2021 年的 6.9 年增加到 2022 年的 7.09 年；而开发一种新药的平均成本也有所增加（包括失败的成本），从 2021 年的 19.86 亿美元增加到 2022 年的 22.84 亿美元。

AI 技术的飞速发展，特别是在图像识别、自然语言处理（NLP）和计算机视觉领域 的突破，为药物研发中的难题提供了全新的解决方案。与传统药物发现方法相比，AI 制 药具有明显的效率、成功率、成本优势：（1）为确定临床前候选化合物，传统药物发现方 法需要在 4-6 年内合成及测试约 5000 个分子，而 AI 制药方法可对数十亿个分子进行实 际筛选，仅需在 2-3 年内合成及测试数百个分子即可；（2）传统药物发现方案对现有的有 限分子库进行实验筛选，而 AI 制药方法可以针对特定靶点定制生成数百万个苗头分子， 可提高药物研发的创新性、成功率；（3）传统药物发现方案需要在实验室通过反复试验测 试及优化分子，AI 制药方法可以通过计算机模拟分子特性，减少需要在实验室进行验证 的分子数，从而减少测验时间。例如，英矽智能基于 AI 研发的 ISM001-055 推进至临床 前候选药物阶段耗时少于 18 个月，推进至 I 期临床试验仅耗时额外九个月。此外，英矽 智能能够在仅一年的时间内提名九种临床前候选药物，速度远高于每约 4.5 年提名一种 临床前候选药物的行业平均值。又如，晶泰科技的结合亲和力预测平台 XFEP 每年能够 评价约 240000 个分子的结合亲和力，是其他知名生物技术与制药公司的 FEP（自由能微 扰）能力的约 10 到 100 倍。据晶泰科技估计，XFEP 透过算法调整及优化将传统 FEP（自 由能微扰）的成本降低约 75%。再如，医渡科技利用“大数据+大模型”技术打造的“患 者招募智能筛选系统”，可以为肿瘤类项目平均节省 88.5%人工筛查成本，非肿瘤类项目 平均节省 69.8%人工筛查成本，已在北京大学肿瘤医院、首都医科大学附属北京友谊医院 等临床试验中心完成了系统部署及推广工作，发挥实际效果。

3.2 AI 在药物发现、临床试验等领域具有广阔应用场景

根据权威学术期刊《自然-医学》（Nature Medicine）发表的综述文章《Artificial Intelligence in Drug Development》，目前 AI 已经在分析复杂生物系统、识别疾病生物标志 物和潜在靶点、模拟药物与靶点的相互作用、预测候选药物的安全性与有效性，以及临床 试验管理等多个环节中展现出巨大的应用价值。

在药物发现领域，AI 主要应用包括：（1）靶点识别。AI 通过分析多组学数据和生物 网络，发现与疾病相关的分子模式，帮助提升靶点发现的灵敏度。此外，将多组学数据、 科学和医学文献整合到知识图谱中，人工智能能够识别基因和疾病途径之间的关系。例 如，PandaOmics 平台成功地利用多组学数据和生物网络分析识别出 TRAF2-和 NCK-相互 作用的激酶是抗纤维化治疗的潜在靶点，从而指导开发出特异性 TRAF2-和 NCK-相互作 用的激酶抑制剂（INS018_055）。（2）虚拟筛选。AI 通过预测配体的空间变换、生成原子 坐标并学习受体-配体结合的概率分布，提高候选化合物筛选的速度和准确性，显著缩短 发现潜在药物的时间。（3）从头设计（de novo design）。在深度学习驱动的新药设计中， 分子生成组件是核心，通常使用化学语言模型或基于图的模型。化学语言模型将分子生 成任务转换为序列生成，如 SMILES 字符串（一种以线性文本格式表示化学结构的符号 系统）等。基于图的模型将分子表示为图，使用自回归或非自回归策略生成结构。在分子 构建过程中，会引入优化机制（如基于指标的评分功能，包括与已知活性分子的相似度和 预测的生物活性）以及约束条件（如与疾病相关的基因表达特征、药效团、蛋白质序列或 结构等）指导模型生成所需的分子。分子生成 AI 模型基于多种化合物、靶点和药物-靶点 相互作用数据库进行训练，这些模型包括生成对抗网络（GAN，一种由生成器和判别器 两个竞争网络组成的神经网络架构，共同工作以生成逼真的数据样本）、循环神经网络 （RNN，用于处理序列数据）、变分自编码器（VAE，一种生成模型，能够学习将输入数 据编码到潜在空间中，并将其解码以重建原始数据）、正则化流模型（通过一系列可逆变 换将简单概率分布转换为更复杂分布的一类生成模型）以及扩散模型（通过模拟扩散过 程生成数据的生成模型）。总的来看，AI 可以模拟不同化合物的结构和活性,通过生成新 的分子结构并优化其药理性质, 帮助开发更具疗效和副作用更低的新药，缩短药物设计周 期。（4）ADMET 预测。通过分析候选药物的化学性质和生物反应，AI 能够提前预测其 可能的毒性，这有助于在早期阶段筛除高风险化合物，减少临床试验中的失败率，提升药 物的安全性和成功率。（5）合成规划和自动化合成。基于 AI 的 CASP、自动化合成技术有望提升化学合成的效率，减轻化学家的合成负担。计算机辅助合成计划（CASP）是一 种将目标分子递归地转化为越来越简单前体的技术，帮助化学家通过反合成分析确定反 应路径。早期的 CASP 程序是基于规则的（例如，应用于合成分析的逻辑和启发式、化 学合成的模拟和评价、基于反合成的合成可及性评估程序），后续的 CASP 程序基于机器 学习技术、深度学习模型等持续改进合成计划。最近新推出的反合成预测模型—— RetroExplainer，采用可解释的深度学习框架，将反合成任务重新构建成分子组装过程。 该分子合成方法增强了解释性，使透明决策和定量归因成为可能，表现优于目前最先进 的反合成方法。自动化合成平台将无缝地集成和简化化学开发过程的各种组件，包括 CASP 以及自动化实验设置和优化，以及机器人系统执行的化学合成、分离和纯化。深度 学习驱动的流体化学技术、固相合成技术等备受关注。

在临床试验中，AI 通过分析患者数据（如遗传信息、病史、生活方式等）优化临床 试验，识别影响药物反应的生物标志物和患者特征，设计更高效的试验方案。AI 通过优 化患者选择、治疗方案和结果测量等参数，有潜力提高试验成功率，加速候选药物向临床 实践转化；结合真实世界数据，AI 可以预测不良事件及药物相互作用。具体来看，AI 在 临床试验和真实世界实践中的主要应用有：（1）发现生物标志物。生物标志物（biomarker） 关系着病理过程及治疗反应的测量与评估，在医学和药物研发中至关重要。然而，传统生 物标志物发现方法效率低、难以应对疾病复杂性。AI 技术通过深度学习模型、图神经网 络等方法，大幅提升生物标志物发现的效率。AI 不仅能识别诊断、预后及预测性标志物， 还可整合多模态数据（如蛋白相互作用和影像数据），提高标志物发现的精准性，从而加速精准医学发展和新药研发。（2）预测药物计量学属性。AI 擅长处理高维数据和复杂非 线性关系，通过多组学数据整合及模型分析，优化剂量反应关系、提升药物安全性并拓展 治疗窗口。AI 能够提取药代动力学信息，帮助识别不良反应与药物相互作用。此外，AI 可以通过分析基因、生理数据和过去治疗反应来优化药物剂量，从而优化治疗效果。（3） 药物再利用。AI 分析大规模生物医学数据，挖掘药物潜在的治疗特性，为疾病提供全新 治疗选择。例如，AI 加快了现有药物在 2019 年冠状病毒治疗中的应用。（4）提高试验效 率和预测结果。临床试验通常成本高昂、耗时长，大多数面临注册延迟或难以找到足够 的志愿者。AI 通过优化临床试验设计和招募流程并预测患者反应，可提高试验成功率， 并降低时间和成本。借助多模态数据整合和深度强化学习，AI 预测试验结果、评估不良 反应和路径激活，助力真实世界研究中药物的有效性和安全性评估。在真实世界研究中， AI 可以分析电子健康记录、保险索赔和可穿戴设备的数据，评估药物的有效性和安全性。

AI 赋能药物发现的典型事例——英矽智能 ISM001-055研发。（1）靶点假说的提出 与药物靶点确定。ISM001-055 靶向致命罕见病特发性肺纤维化（IPF），该疾病以成纤维 细胞增殖和大量细胞外基质沉积导致的肺功能受损为特征，确诊后的中位生存期仅 2-3 年。 目前，仅有不足 30%的患者能从已经获批的针对性疗法中获益，且 IPF 的发病率还在以 惊人的速度不断增长，现实中存在未被满足的临床需求。为搭建最初的疾病靶点假说，英矽智能研发团队采用隶属英矽智能 Pharma.AI 平台的靶点发现引擎 PandaOmics，首先在 按照年龄和性别注释的组学数据和临床数据集上进行训练，再利用 2016 年发表在 Nature Communications 的 iPANDA 算法，通过深度特征合成、因果关系推断和全新通路重建提 名潜力靶点。此后，英矽智能研发团队融合自然语言处理（NLP）引擎，基于涵盖专利、 出版物、研发基金、临床试验等文本数据的百万级文件进行新颖性评估和疾病-靶点关联 度评分。在 PandaOmics 平台揭示的 20个潜力靶点中，Traf2 和 Nck相互作用激酶（TNIK） 脱颖而出，最终被确定为重点研究对象。历史研究已经说明 TNIK 和 WNT、TGF-β、 Hippo、JNK、NF-k 等纤维化驱动通路相关，然而并未提出 TNIK 作为 IPF 潜在治疗靶点 的可能性。此后，英矽智能研发团队利用健康肺组织和 IPF 患者纤维化肺组织的单细胞 基因表达数据集验证了 TNIK 与 IPF 的相关性，并证实了 TNIK在纤维化组织中的富集。 （2）分子设计、优化及临床前候选化合物评估。靶点确定后，英矽智能研发团队利用同 属于 Pharma.AI 的生成化学平台 Chemistry42，采用基于结构的药物设计（SBDD）策略， 生成了一种安全、特异性、高效的 TNIK 抑制剂。平台同时采用 30 个生成式 AI 模型进 行化合物设计，构成虚拟结构库，并接收专业研发团队的反馈进一步优化虚拟筛选过程。 多次筛选后，TNIK ATP 结合位点被选为目标结合口袋，其中一个具有潜力的先导化合物 表现出了优良的活性，IC50 值达到纳摩尔级别。基于上述化合物从头生成步骤，研发团 队开展进一步优化，在提高溶解度、优化 ADME 特性、减低毒性的同时，保留候选分子 对 TNIK 靶点的强大亲和力，最终于 2021 年初提名 ISM001-055 为临床前候选化合物 （PCC）。（3）从临床前候选化合物到人体临床试验。在 PCC 提名 9 个月后，英矽智能研 发团队于 2021 年 11 月宣布 ISM001-055 首次人体微剂量试验（ACTRN12621001541897） 在澳大利亚完成首批健康受试者给药。这项在 8 名健康受试者中进行的试验验证了候选 药物的药代动力学和安全性，成功完成 AI 辅助制药概念验证，并为后续临床验证奠定基 础。以积极临床结果为支撑，英矽智能随后在新西兰开展了一项随机、双盲、安慰剂对照 1 期临床试验（NCT05154240），以评估 ISM001-055 在 78 名健康志愿者中的安全性、耐 受性和药代动力学特性。2023 年 1 月，临床研究人员宣布 ISM001-055 的人体药代动力 学试验数据与临床前模型预测结果一致，在连续给药七天后没有出现显著蓄积现象。

3.3 “AI+药物研发”重点公司梳理

（1）英矽智能：全球领先的 AI 制药公司，AI 赋能发现的核心管线取得 IIa期临床 试验积极结果

全球领先的 AI 制药企业。英矽智能成立于 2014 年，是全球领先的 AI 驱动生物科技 公司。2016 年，英矽智能在同行评议期刊中首次描述了使用生成式人工智能设计新分子 的概念，随后成功开发商业化 Pharma.AI 平台。基于 Pharma.AI 平台，公司成功开发了全 球首款药物靶点和分子结构均由生成式人工智能赋能发现的候选药物 Rentosertib（曾用 名 ISM001-055），标志着 AI 驱动的药物发现由理论成为现实。当前，公司业务包括管线 药物开发、药物发现服务及软件解决方案服务。2023 年，前述三项业务分别实现 0.39、 0.09、0.03 亿美元收入。 建立“一体化生成式 AI 驱动药物研发平台 Pharma.AI”和“人工智能辅助决策的全 自动化机器人实验室”。Pharma.AI 具有针对小分子及生物制剂药物的端到端靶点研发、 分子生成及临床试验优化能力，具体包括：（1）生物学板块 Biology42，由靶点发现引擎 PandaOmics、生物分子优化平台 Generative Biologics、AI 辅助决策的自动化实验室 Life Star1、多模态生命模型 PreciousGPT 系列构成。（2）化学板块 Chemistry42，由创新分子 生成平台 Generative Biologics、基于物理学的相对自由能模拟引擎 Alchemistry、即时分 子特征优化模块 ADMET Profiling、激酶选择性模拟引擎 Golden Cubes、多模态自然语言与化学语言模型 NACH0 构成。（3）临床研究板块 Medicine42，包括预测 II 期到 III 期临 床试验转化成功率的 inClinico。在前瞻性验证中，其对真实世界临床试验结果预测的准 确率达到了 79%，研究成果已发表在权威跨学科期刊 Clinical Pharmacology & Theraputics。 （4）科学板块 Science42，包括加速学术论文和其他科学文档撰写的智能写作助手 DORA， 集成多种基于 LLM 的 AI 智能体（AI Agents），通过精心设计的提示词、专有数据库和预 训练的内容生成工作流简化科学内容生成。人工智能辅助决策的全自动化机器人实验室 将人工智能与自动化、机器人和生物学能力深度融合，聚焦靶点发现、化合物筛选、个性 化药物开发和转化医学研究等领域，实现相关领域全面自动化、无人为偏差和影响、连接 多个流程、并生成可用于机器学习的高质量数据，从而高效变革药物发现流程，全面提高 药物研发成功率，加速满足未竟的临床需求。

Pharma.AI 平台在多家制药公司及科研机构应用，成功助力 10余款化合物获批临 床。英矽智能 Pharma.AI 平台已经被全球前 20 大型制药公司中的 11 家授权引进，并成 功赋能公司与复星医药、赛诺菲等药企的长期研发合作，分别收获 1300 万美元和 2100 万美元的首付款。此外，Pharma.AI 平台为支撑的学术研究合作涵盖英伟达、苏黎世大学、 多伦多大学、富士康鸿海研究院等顶尖院校与研究机构，成果登上 Chemical Science、 Nature Communications、JCIM 等知名同行评议期刊。自 2021 年以来，英矽智能在自有人 工智能平台 Pharma.AI 的支持下，建立了超过 30 条丰富的自研管线组合，并从中提名了22 款临床前候选项目，其中 10 款化合物获得临床试验许可。 AI 赋能发现的候选药物 Rentosertib取得 IIa期临床试验积极结果。Rentosertib（曾 用名 ISM001-055）是全球首款药物靶点和分子结构均由生成式人工智能赋能发现的候选 药物。目前，Rentosertib 在美国开展的 IIa 期试验（NCT05975983）已启动患者招募工作， 在中国开展的 IIa 期临床试验（NCT05938920）取得积极结果。IIa 期临床研究 （NCT05938920）是一项随机、双盲、安慰剂对照试验，在中国 21 个临床研究中心招募 了 71 名 IPF 患者。患者被随机分配接受安慰剂、每日一次 30mg、每日两次 30mg 或每日 一次 60mg，持续 12 周的用药观察。该临床试验于 2023 年 4 月启动患者招募工作，并于 2024 年 8 月完成最后一位受试者的随访。与此同时，一项 ISM001-055 的平行 IIa 期试验 （NCT05975983）正在美国进行，并已启动患者招募工作。为期 12 周的研究初步结果表 明，ISM001-055 在所有剂量水平上均表现出良好的安全性。次要终点即主要通过 FVC 评 测 IPF 患者肺功能改善方面，呈现出剂量依赖性的药效趋势。

（2）晶泰科技：人工智能（AI）和机器人驱动的创新研发平台公司

晶泰科技由三位麻省理工学院的物理学家于 2015 年创立，是一个基于量子物理、以 人工智能赋能和机器人驱动的创新型研发平台公司。经过多年发展，晶泰科技成功搭建 一个综合技术平台，包括 AI 驱动的小分子药物研发平台 ID4Inno、AI 驱动的下一代抗体 发现平台 XupremAb、药物固体形态研发平台 Xtalgazer、实验室自动化平台系统 XtalDynamics 等。晶泰科技主要为制药及材料科学（包括农业技术、能源及新型化学品 以及化妆品）等产业的全球和国内公司提供药物及材料科学研发解决方案及服务。公司 收入主要来自药物发现解决方案和智能自动化解决方案（主要包括固态研发服务及自动 化化学合成服务）。2021-2023 年，公司药物发现解决方案的收入由 0.39 亿元增长至 0.88 亿元，创收的项目数由 18 个增长至 81 个，客户数由 17 个增长至 42 个；智能自动化解 决方案的收入由 0.23 亿元增长至 0.87 亿元，创收的项目数由 168 个增长至 423 个。

AI 驱动的小分子药物研发平台 ID4Inno。ID4Inno 包括两个子平台，即 ID4Idea 和 ID4Gibbs，两者具有不同但互补的功能。嵌入生成式人工智能模型、高通量虚拟筛选及丰 富的自然预测模型的 ID4Idea 可根据客户和合作者的不同具体要求进行定制。其可用于 小分子的生成、选择和评价，拥有超过 200 个人工智能模型，涵盖分子生成、分子性质 评价和其他各种情况。ID4Gibbs 是基于物理建模和第一性原理计算的高精度量子物理计 算平台，包括用于结构建模、结合位点识别、结合模式预测及亲和力评价的 XFF、Xpose 及 XFEP，可实现药物与靶标相互作用的高精度预测。其中，Xpose 可模拟药物或靶点复 合物的自由能来预测正确的结合构象。对于小分子结合构象的高精度预测，Xpose 精准度 高达约 56%（≤1.0 埃），而最先进的商业方案约为 30%。XFEP 是一个大规模评价候选分 子与其生物靶点之间的结合亲和力的预测平台，于湿实验室实验前过滤假阳性结果。根 据弗若斯特沙利文的数据，XFEP 每年能够评价约 240000 个分子的结合亲和力，是其他 知名生物技术与制药公司的 FEP 能力的约 10 到 100 倍。据晶泰科技估计，XFEP 透过算 法调整及优化将传统 FEP（自由能微扰）的成本降低约 75%。

AI 驱动的下一代抗体发现平台 XupremAb。XupremAb旨在为抗体发现提供一站式 解决方案，涵盖抗体生成、抗体工程及抗体可开发性评价。XupremAb 针对不同的主要功 能（包括人工智能赋能杂交瘤、人工智能赋能库 NGS 发现、人工智能赋能噬菌体展示、 从头设计、超人源、人工智能赋能亲和力调整、可开发性评价及优化、双特异性设计及 ADC 设计）融合各种子平台。其中，生成式人工智能模型 ProteinGPT 用于多种大分子药 物和新材料的设计与开发，包括：（1）根据特定的靶蛋白序列生成结合蛋白；（2）根据特 定的预设标准生成抗体库；（3）根据特定的改进要求，优化某些抗体。

药物固体形态研发平台 Xtalgazer。Xtalgazer 通过物理模型结合 AI 算法，以积累的 数十万量级的结晶数据为基础，可对化合物分子的理化性质、晶体结构、稳定性关系进行 精准预测，结合行业专家的丰富经验, 通过“实验+计算”方式提供优质的药物固体形态 研发服务。相较于传统药物固态研究方法，“实验+计算”能够持续优化迭代研发成果，加 速药物研发进程。以 AI 驱动的晶体结构预测平台 XtalCSP 为例，XtalCSP 可于两至三周 内提供常见小分子的晶体结构预测结果，而传统实验方法通常需要两个月。基于 XtalCSP 的计算预测及湿实验室实验验证提供可信纳的证据，晶泰科技与辉瑞仅在六周的短时间 内完成 COVID-19 口服药 Paxlovid 的晶体结构验证，证明辉瑞设计的晶体结构是室温下 最稳定的晶体结构，适合大规模量产，成功助力 Paxlovid 的后续开发及生产。晶泰科技 药物固体形态研发平台 Xtalgazer 已推动百余个小分子管线至 IND 申报阶段，已为来自世 界各地的数百家客户提供药物固体形态研发服务，KA 客户涵盖了全球 TOP20 顶级药企 的 75%及国内主要的头部药企。

实验室自动化平台系统 XtalDynamics。XtalDynamics 采用人机结合模式，实现了实 验过程的高度自动化和智能化，通过智能调度系统远程操控百台规模自动化工站和 AGV 小车，同时提升实验过程和物料传送的效率。目前，晶泰科技在上海、深圳建立了三个智 能机器人湿实验室，拥有 200 多个机器人工作站及机器人。晶泰科技的智能机器人湿实 验室能够覆盖并自动化传统实验过程中通常涉及的约 80%的操作步骤，例如酰胺耦合、 还原胺化及取代反应等。相较于传统的湿实验室，晶泰科技的智能机器人湿实验室优势 众多，如通量更高、湿实验室流程简洁、人为错误最低、营运成本低、流程稳定性高及数 据质量更高。

（3）泓博医药：CADD/AIDD 技术平台累计支持 69 个新药项目研发

泓博医药成立于 2007 年，是一家创新药研发以及商业化生产一站式综合服务商，致 力于药物发现、制药工艺的研究开发以及原料药、中间体的商业化生产。公司于 2019 年 设立了 CADD/AIDD（计算机及人工智能辅助的药物设计）技术平台。CADD/AIDD 技术 平台提供的服务具体包括：靶点识别与验证、虚拟高通量筛选、同源模建与蛋白质结构预 测、分子对接与结合模式分析、分子动力学模拟、药物设计与优化、物理化学性质和药代 动力学（ADME）预测、靶点选择性和多目标优化等。截止到 2024 年 6 月底，公司 CADD/AIDD 技术平台已累计为 69 个新药项目提供了技术支持，其中 5 个已进入临床 1 期，2 个在临床申报阶段。目前采购公司 CADD/AIDD 服务的客户数已达到 33 家。此外， 2025 年 1 月 15 日，泓博医药在上海正式发布人工智能药物设计平台 DiOrion。DiOrion 平 台底层集成了涵盖学术文献、专利、新闻和临床实验的海量数据资源，包括：超过千万的 化合物数据，过万个靶点，百万条化合物性质信息，百万条生物医药文本数据。这些数据 覆盖了 1976 年至今的全部时间段，全面支持药物研发从早期发现到临床开发的每一个关 键环节。

（4）泰格医药：远程智能临床试验技术平台应用于 200 多项临床试验

泰格医药是国内领先的临床 CRO 公司。借助 AI 等技术，泰格医药开发了远程智能 临床试验（DCT，Decentralzed Cinical Trial）技术平台（iTigermed Platform）。DCT 技术 平台包括 eConsent、TeleVisit、Direct-to-Patient Supply 等自主开发的服务平台，以及 RBQM、 eCPM 和 ePay 等尖端技术能力。DCT 技术平台应用于注册临床、上市后研究、真实世界 研究、研究者发起的研究等各类项目中，覆盖肿瘤、血液疾病、中枢神经、呼吸、内分泌 等多个领域。目前，泰格医药已在 200 多项临床试验中采用 DCT 混合模式，在运行项目 中使用 DCT 元素的占比超 30.00%，积累了丰富的 DCT 项目经验。例如，泰格医药借助 远程监查系统（CTRM），采用现场监查+远程监查混合模式助力多个大型 III 期临床研究提高研究质量，降低研究成本；采用多项 DCT 技术元素赋能多项减重临床试验，使用动 态血糖仪、动态体温监测仪等可穿戴设备实现对受试者健康远程监测，保护受试者安全 性；使用电子日记（eDiary）对受试者饮食控制和运动进行管理，提高受试者依从性和研 究质量。2024H1，泰格医药远程智能临床试验（DCT）团队助力美国一跨国药企全新一 代 CGRP 受本拮抗剂治疗偏头痛在中国获批，并成为欧洲一跨国药企的优先供应商。

（5）成都先导：搭建国际领先的“DEL+AI+高通量”DMTA 平台

成都先导拥有国际领先的 DNA 编码化合物库技术。公司成立于 2012 年，主要聚焦 小分子及核酸新药的发现与优化。公司打造了国际领先的 DNA 编码化合物库技术（包括 DEL 库的设计、合成和筛选及拓展应用）平台。公司 DEL 库小分子数量已突破 1.2 万亿， 是全球目前已知的化合物最多、规模最大的实体小分子化合物库。公司通过系统化的库 分子设计，增加合成分子骨架的种类超过 6000 种，基本涵盖了所有当前已获批上市的小 分子药物的核心骨架。公司 DEL 库的化学合成反应和途径已经升级到 170 余种化学反应 类型，覆盖了绝大部分药物化学合成的常见化学反应。 成都先导搭建具备高交付能力的“DEL+AI+高通量”DMTA 平台。成都先导基于 DNA 编码化合物库的领先优势，利用自动化平行合成、自动化分析与高通量纯化、自动 化高通量制板等行业前沿技术，同时结合 AI/ML 数据驱动的合成路线规划，自主设计及 搭建了全方位的化合物优化平台——“DEL+AI+高通量”DMTA 平台，以迭代式的“设 计-合成-测试-分析”（DMTA）循环模式加速临床前候选药物发现及优化过程。该平台具 有强大的交付能力：（1）通量能力。该平台每月能够交付 800 个以上毫克级别化合物， 而微克级别化合物的产量可达到每月10000个，这一数字是传统化学合成所无法企及的。 （2）砌块能力。该平台拥有超过 40000 种分子实体砌块。（3）分子骨架能力。平台拥有超过 1200 种类药骨架，80%以上的骨架为全新结构，80%以上的骨架具有 1~3 个优势环 系，并且所有骨架的反应性均得到验证，官能团可兼容大部分药物化学反应。此外，公司 还推出了 DEL 自助筛选服务产品 OpenDEL®。OpenDEL®是一款开放式的小分子筛选产 品，包含约 30 亿的独特结构分子，50 个 DNA 编码化合物库，其包含的分子结构信息、 分子砌块信息、骨架结构信息、化合物编码信息对产品用户全披露，并为客户提供完整的 筛选操作指南。

4 AI+医院诊疗

4.1 政策逐渐明确应用场景及收费标准，“AI+医院诊疗”有望加速落地

应用场景及收费标准逐渐明确，“AI+医院诊疗”有望加速落地。（1“）AI+医院诊疗” 应用场景参考指引发布。AI 可以赋能医院诊疗的诊前、诊中和诊后众多环节。国家卫生 健康委等部门 2024 年 11 月发布的《卫生健康行业人工智能应用场景参考指引》明确了 AI 在医疗服务领域的应用场景，包括医疗服务、医药服务、医保服务、中医药管理服务 和医院管理五个细分板块，其中医疗服务层面包括医学影像智能辅助诊断、医学影像数 据智能辅助质控、临床专病智能辅助决策等 15 个应用场景；医药服务层面包括处方前置 审核智能辅助、临床用药智能辅助和患者用药指导智能辅助场景；医院管理层面包括智 能医疗文书质控辅助、智能医疗质量管理、智能医务人员管理等 11 个应用场景。2024 年 11 月 23 日，上海人民政府办公厅印发《上海市发展医学人工智能工作方案（2025—2027 年）》，从临床医学、中医药、公共卫生、医疗管理、医保监管和药械研发六个方面列举人 工智能与医学创新深度融合的应用场景。临床医学应用场景包括临床诊疗辅助决策、检 验检查辅助诊断、智能手术辅助应用、智能用药服务、智能康复服务和智能患者服务；中 医药应用场景包括智慧中医诊疗系统、智慧中药药事服务和管理；医疗管理应用场景包 括智慧医院管理、行业智慧治理、智能医学教培等。（2）国家医保局明确人工智能辅助诊 断技术的收费标准。2024 年 11 月 20 日，国家医保局编制印发《放射检查类医疗服务价 格项目立项指南（试行）》。为支持人工智能辅助诊断进入临床应用，又防止额外增加患者 负担，立项指南在放射检查类主项目下统一安排“人工智能辅助诊断”的扩展项，也就是 说医院利用人工智能进行辅助诊断的，执行与主项目相同的价格水平，但不与主项目重 复收费，体现了以医疗服务产出为导向的价格政策取向，也体现了人工智能技术在提质 增效方面的功能定位，而非增加成本的作用。

4.2 AI 助力医院提升诊疗效率，强化院内管理，优化医疗资源配置

多家医院加快部署全科或专科医疗大模型。随着数字化浪潮的推进，AI 在医疗领域 发挥的作用逐步显现，全国各地的医院加快部署全科医疗大模型或专科医疗大模型。例 如，全科医疗模型包括和佑医院部署的 SenseCare 智慧诊疗平台，桃江县中医医院部署的 智慧眼砭石大模型以及华西医院部署的“华西黉医”医学大模型，这些模型具备覆盖领域 广、通用性好的特点。在专科医疗大模型方面，复旦大学附属中山医院部署的观心大模型 重点服务于心血管科疾病领域，瑞金医院部署的瑞智病理大模型聚焦于癌症筛查与诊断 领域，北京协和医院部署的“协和·太初”罕见病大模型则被应用在罕见病诊断领域，这 些模型在其擅长的专科领域精准性更高、可解释性更强。

AI 有助于提升医院诊疗效率与精确度、强化医院运营管理、优化医疗资源配置。例 如，在提升医院诊疗效率与精确度方面，和佑医院引入商汤科技“SenseCare智慧诊疗 平台”，推动 15 项疾病诊断全面智能化。在肺部疾病诊断方面，肺结节、肺炎、肺栓塞 等 AI 应用能精准识别肺部异常，辅助医生判断病情，病变检出率高 95%以上，其中胸部 DR 智能应用更是凭借快速筛查功能，自动提示 10 余种常见胸部疾病，大幅缩短了医生 的诊断时间。在心血管疾病诊断领域，通过 CTA 自动重建技术，AI 精准还原心脏冠脉、 头颈血管、主动脉等真实情况，分割准确率达到 97%，辅助医生清晰观察血管狭窄程度、 锁定斑块位置，有效评估心血管风险。在强化医院内部运营方面，四川大学华西医院部 署的“华西黉医”医学大模型集成了医疗海量知识问答、医疗复杂语言理解、医疗专业 文书生成等六大核心场景能力，成功助力医院患者管理及医疗质量提升。以全程患者管 理为核心的智慧服务产品体系，已服务门诊患者 640 万人次，实现了出院患者全覆盖； 其中，智能随访服务超 120 万人次，工作效率媲美 31 名全职随访护士，在三个月的时间 内 AI 筛查出未遵医嘱服药等异常患者 2 万余人，并通过医护人员的及时干预实现了有效闭环，减少了不良事件的发生；以病历内涵质控为核心的医疗质量提升方案，通过多阶段 自回归病历内涵质控系统研制，将逻辑规则判断转变为文书记录内涵判断，通过呼吸内 科、骨科等科室数千例病历数据验证，AI 质控准确率达到了 90%，提升医疗文书内涵质 量。在优化医疗资源配置方面，西门子医疗基于中国先进的 5G技术创新形成医疗元宇 宙+远程医疗解决方案，在公利医院影像科建立数字指挥中心，依托元宇宙专家工作站， 影像科医技专家可以创建自己的数字孪生。上级医院的专家无需前往基层医院现场，只 需登录系统并经基层医院授权后即可联通。不仅可以清晰地观察病人，指导摆位、设置扫 描参数、进行图像后处理等，还可以通过实时音视频系统进行交流，开展教学指导。这有 助于基层医院为居民提供更优质的医疗服务，推动优质医疗资源下沉。

4.3 “AI+医院诊疗”重点公司梳理

（1）医脉通：医脉通大模型通过国家网信办备案，发布医脉通 AI 系列产品

2023年，医脉通建立垂直领域 AI 大模型——医脉通大模型，推动了AI 技术在医学 翻译、医学信息搜索以及医学文献的整理和归纳等关键场景的应用。与通用大模型相比， 医脉通大模型在训练过程中融入了亿万级医学资料文献和数据，包括公司多年积累的医 学专业知识库、优质医师问答数据以及合作的国内外权威医学数据库等，可以为临床医 师提供诊断建议、推荐治疗方案、评估药物安全性等。2024 年，医脉通大模型通过国家 互联网信息办公室（国家网信办）深度合成服务算法备案，标志着公司在 AI 研发领域的 技术实力和算法的安全性、规范性得到了国家级权威的认可。2025 年 3 月，医脉通正式 发布医脉通 AI 系列产品，具体包括：（1）MedSeeker。面对复杂临床决策情况，医生只 需用自然语言提问输入疾病相关主题信息，MedSeeker 即可基于包括 31000+份权威指南、 35000+实时更新的药品说明书、1600+条疾病词条、1000 万+篇最新进展及文献、220000+篇医脉通原创专业内容和 87000+条医学视频等在内的多元异构海量医学数据中快速生成 结构化答案，可以为医生生成思维导图、诊疗流程图，协助快速梳理疾病相关知识脉络， 提供精准用药决策支持。（2）MedPaper。MedPaper 基于医学专业词典和千万级文献训练， 可以精准高效地突破语言壁垒，对文献进行结构化提取，快速总结文献中研究方法、实验 数据、结论等关键信息，助力医生根据需求实现一键定位文献核心内容等。（3） MedAssister。MedAssister 一站式汇聚医学指南、疾病用药要点与最新研究成果，针对医 生定制的关键词，迅速筛选出匹配的领域知识，使医生能够在第一时间浏览专业领域的 最新进展。

（2）卫宁健康：以 WiNGPT 为基础，以 Copilot 为抓手，持续优化产品

2023 年 10 月，卫宁健康在 Winning World 2023 会议上发布了医疗领域大模型 WiNGPT、基于 WiNGPT 的医护智能助手 WiNEX Copilot。基于 WiNGPT 的医院报告 生成场景，目前覆盖了放射科全科 100 多个部位的检查，覆盖了 CT、MR、普放等检查， 基于大语言模型可以快速完成报告的生成和小结。WiNEX Copilot 支持覆盖诊前、诊中、 诊后和医疗管理 30 多个场景，包括患者服务助手、临床辅助决策助手、病历文书助手、 质量控制助手、医学影像报告助手以及健康管理助手等。到 2024 年 6 月底，WiNEX Copilot 病历质控助手、智能语音查房助手、病历文书助手、超声质控助手等产品已在北京大学人 民医院、天津市海河医院、上海市肺科医院、上海市同济医院等项目中落地，充分释放 AI 增强的智能化产品的能力。2024年 5月，卫宁健康与深信服联合打造发布了新一代WiNAI 卫信云，具备集约化云边端三体协同、一体化 AI 应用开发平台、全栈合一的智能运 维化的特点，将在性能、安全、交付便捷性上大幅提升，助力新一代智慧医院 IT 基础设 施建设。2024年 9月，北京大学人民医院携手卫宁健康共同发布了基于医疗大语言模型 WiNGPT的医护智能助手——人医智助（Pai Assistant）。Pai Assistant构建了覆盖诊前、 诊中、诊后以及管理的 100 多个场景，成为医护配备的专属医疗智能助手。其中，Pai Assistant 实现了病历文书的智能生成，将医生的工作效率提升了 3-5 倍。2025 年 2 月， 卫宁健康正式发布 WiNEX Copilot 2.1 与 WiNGPT 2.8 版本，全面对接 DeepSeek，进一 步提升产品智能能力和生态共融。

（3）美年健康：开发“扁鹊智能体检系统”和国内首款健康管理 AI 机器人

2022年 7月，美年健康自主研发的扁鹊 SAAS智慧体检数字化管理平台（以下简称 “扁鹊智能体检系统”）正式上线。扁鹊智能体检系统实现了体检业务的分时预约、快速 登记、智慧导诊、智能加项、检中纠错、数据实时互通、样本追踪、重要异常结果自动上 报、总检一元论、AI-MDT 报告等功能，用智能信息化服务升级重塑了传统体检过程。 2023 年，扁鹊系统在美年健康全国 500 余家体检中心普遍实施，实现了 95%以上的分院 全覆盖。按照系统记录，依托扁鹊系统数智化工具，客户反馈的处理速度提高 60%，客 户满意度提升 10%，NPS 值从 89%提升至 90.8%。2024 年 8 月，美年健康发布了国内首 款健康管理 AI 机器人——“健康小美”“AI 智能血糖管理创新产品”和“中医智能体 检”。其中，“健康小美”的主要功能包括：（1）提供检前检查项⽬专业解读、体检套餐专 属定制、异常结果实时提醒、深度检查智能推荐、个性化健康建议等全流程服务；（2）为用户构建结构化、标准化、归一化的全生命周期数字健康档案，实现个人健康数据陪伴终 身；（3）根据用户的个人健康档案，结合年龄、家族史、生活习惯等，评估其健康状况， 并从运动、膳食、心理等方面为用户带来个体化的健康干预手段，并提供个体化的就医方 案指导，涵盖就医时限、就诊科室和绿通服务。“AI 智能血糖管理创新产品”采用创新 的“三师共管”（医师、营养师、运动指导师）模式，从用药指导、饮食调整、运动建议 等方面为每位用户定制“一人一策”的个性化血糖管理方案。“中医智能体检”通过智能 化设备收集中医问诊、舌诊、面诊、脉诊（四诊信息），结合西医体检的异常指标，为用 户提供精准的中西医结合个性化调养方案（包含就医指导、中医食疗方、现代营养方案、 运动，养生保健等）。

（4）医渡科技：基于“AI 医疗大脑”YiduCore 开发系列专科大模型

自 2014 年成立以来，医渡科技通过帮助不同医院整合内部信息技术系统及数据，逐 渐建立了医渡科技的数据智能基础设施 YiduCore。YiduCore 作为医渡科技的核心算法引 擎，具备高效计算能力、医疗数据处理与分析能力、模型训练与推理能力。截止 2024 年 9 月底，YiduCore 已经累计处理和分析了超过 11 亿名患者人次的 55 亿份授权医疗记录， 这些记录中沉淀的医学知识图谱覆盖了超过 100000 个医学实体。依托“AI 医疗大脑” YiduCore， 医渡科技与中山大学附属第六医院在内的多家知名三甲医院合作，开发多款 专科大模型，涵盖了结直肠癌、糖尿病、口腔正畸、心内科、鼻咽癌、肝癌等多个专科领 域。例如：（1）2024 年 9 月，医渡科技联合中山大学附属第六医院（中山六院）共同打 造了首个结直肠癌专科大模型。当患者通过该大模型进行问诊时，该模型会根据临床指 南、患者具体情况、临床数据等提供治疗建议，有助于将中山六院的先进诊疗技术和经验 辐射到更多的医共体单位和基层医疗机构，让医疗服务均质化。（2）医渡科技联合北京 积水潭医院心内科、清华大学共同打造了“心血管指南解读智能体”，旨在提高心血管疾 病诊疗的准确性和效率，促进标准化和规范化。该智能体已全面涵盖高血压、冠心病、心 力衰竭、房颤等主要心血管疾病，可以根据最新的医学指南，为医生提供关于诊断、治疗 和预防的权威回答。目前，该智能体已经应用于北京市昌平区沙河医院等基层医院，荣获 “2024 全国企业数字中国建设优秀应用案例”。（3）2025 年 3 月，医渡科技联合东南大 学研发了国内首个肝癌专科“AI 医生”—— “小肝人”。“小肝人”既是全天候答疑专 家，结合临床指南与循证依据，提供严谨的个性化分析及康复指导和生活建议；又是报告 解读的“翻译官”，智能解析检查报告中的异常指标，将专业医疗信息转化为可理解的通 俗解读，并根据报告结果提供切实可行的合理建议。

编辑：火腿肠